Новый метод лучше отсортирует потенциальные лекарства по эффективности

Российские ученые переработали подход к вычислению лекарственных свойств еще не синтезированных химических веществ. Работа позволит значительно ускорить поиск новых лекарств. Результаты опубликованы в Journal of Chemical Information and Modeling.

Специалистам, создающим новые лекарства, необходимо учитывать различные характеристики препаратов: лекарственную активность по отношению к биологической мишени, растворимость в воде и жирах, а также множество других факторов. Это позволяет ранжировать потенциальные лекарства и отбирать для клинических испытаний наиболее перспективные. Каждый параметр вещества, который ученые называют дескриптором, характеризуется функцией желательности, которая показывает, насколько определенные значения дескриптора благоприятны для выздоровления. Препарат может идеально подходить по одному из параметров, но быть совершенно нежелательным по другим характеристикам. Соединения с нужными характеристиками отбирают с помощью оценочных профилей — правил, специально сгенерированных методами многопараметрической оптимизации.

Ученые проанализировали хорошо известные и часто используемые профили многопараметрической оценки соединений. Чтобы проверить влияние функций желательности на ранжирование соединений, ученые подготовили базы данных, состоящие из сотен соединений, часть из которых были похожи на лекарства. Оказалось, что функция желательности в виде непрерывного графика зависимости «полезности» дескриптора от его значения лучше отбирает потенциальные лекарства, чем та же функция, представленная в виде набора отдельных значений.

По словам одного из авторов исследования, сотрудника МГУ имени М.В. Ломоносова Дмитрия Осолодкина, главная задача публикации — напомнить ученым о важности исходных ограничений расчетных методов. «Пользователи программ и методов зачастую не знают их ограничений, работают по принципу "нажать на кнопку и получить результат", а затем фарминдустрия тратит деньги и время на проверку недействующих соединений с побочными эффектами», — поясняет ученый.

На основе полученных результатов сотрудники химического факультета МГУ совместно со специалистами Центра исследований и разработки иммунобиологических препаратов имени М. П. Чумакова РАН в данный момент разрабатывают методы оценки потенциальных противовирусных препаратов на основе данных о противовирусной активности низкомолекулярных соединений. К работе подключились сотрудники Центра по научным и инженерным вычислительным технологиям Сколковского института науки и технологий. Имеющиеся научные данные будут использованы ими для адаптации методов машинного обучения для задач хемоинформатики и прогнозирования противовирусной активности малых молекул.

Понравился материал? Добавьте Indicator.Ru в «Мои источники» Яндекс.Новостей и читайте нас чаще.

Пресс-релизы о научных исследованиях, информацию о последних вышедших научных статьях и анонсы конференций, а также данные о выигранных грантах и премиях присылайте на адрес science@indicator.ru.